Spazio Sponsor

Deep neural network, l'apprendimento neurale

Francesco Agati segnala un interessante articolo. The Extraordinary Link Between Deep Neural Networks and the Nature of the Universe Nobody understands why deep neural networks are so good at solving complex ...

UPDATE

E' utile aggiornare questa definizione in termini corretti. Dissento dalla mia precedente definizione.

Una rete neuronale si serve di esempi i cui risultati sono certificati per imparare un criterio.

Questo criterio viene poi esteso gradualmente sul campo o su altri esempi certificati.

Il meccanismo di apprendimento e' pari a quello dei bambini: sei premiato se fai una cosa ? La ripeti. Sei penalizzato  ? La cambi.

Si parte dai risultati misurati come positivi per applicare la regola ad altri casi.

In casi compliessi non c'e' nemmeno bisogno di prevedere tutte le ipotesi, ma fermarsi a step piu' calcolabili per i quali i risultati positivi sono certificati.

Un tal metodo parte quindi da risultati misurati come vantaggiosi. Per questo l'analisi delle immagini e' facile, si parte da pixel informatici quadrati.

Naturalmente la definizione e' approssimativa, ed esprime comunque i limiti di tale metodo: alle risorse misurabili.

Il vantaggio e' che non e' necessario conoscere tutte le variabili dell'ipotesi che si vuole analizzare, ma solo quelle piu' rilevanti in quel momento.

Mi scuso per la precedente definizione.

ORIGINALE

I deep neural network sono reti neurali deputati all'apprendimento da parte delle macchine.

Un modo che hanno le macchine per imparare. Non si insegna cosa fare, si insegna alle macchine a capire cosa c'e', come funziona e cosa fare.

Ottima segnalazione di Francesco Agati

Dal MIT uno studio che la dice lunga.

The Extraordinary link Between Deep Neural Networks and the Nature of the Universe Nobody understands why deep neural networks are so good at solving complex ...

Non hanno progettato un tracciamento dei ragionamenti effettuati dalla macchina. Non sanno come fa a imparare tanto bene.

E' incredibilmente ingenuo.

Ma visto che sono tanto intelligenti, perche' non gli chiedono perche' ? (non necessariamente ricorsione, ma mi prepararei a spegnere l'interruttore prima che si surriscaldi.)

Cmq mi preoccupano gli esperti che dicono che sono macchine veramente intelligenti, ma non sanno perche'. Come misurano l'efficacia delle risposte, solo dai risultati e non dal metodo ?

Il solito "il fine giustifica i mezzi" non finisce mai.

Spataro

21.12.2018 https://www.technologyreview.com/s/602344/the-extraordinary-link-between-deep-neural-networks-and-the-nature-of-the-universe/



Partecipa anche tu:
  • Cosa pensi della voce ?
  • Commenta o chiedi:
tutti i dati sono facoltativi e informatici e li usiamo solo per rispondervi. No newsletter. Si applica la privacy policy di IusOnDemand srl.


Ti possono interessare anche:
  • 94355
  • 2018-12-21
  • Deep neural network, l'apprendimento neurale
  • Francesco Agati segnala un interessante articolo. The Extraordinary Link Between Deep Neural Networks and the Nature of the Universe Nobody understands why deep neural networks are so good at solving complex ...
  • UPDATE

    E' utile aggiornare questa definizione in termini corretti. Dissento dalla mia precedente definizione.

    Una rete neuronale si serve di esempi i cui risultati sono certificati per imparare un criterio.

    Questo criterio viene poi esteso gradualmente sul campo o su altri esempi certificati.

    Il meccanismo di apprendimento e' pari a quello dei bambini: sei premiato se fai una cosa ? La ripeti. Sei penalizzato  ? La cambi.

    Si parte dai risultati misurati come positivi per applicare la regola ad altri casi.

    In casi compliessi non c'e' nemmeno bisogno di prevedere tutte le ipotesi, ma fermarsi a step piu' calcolabili per i quali i risultati positivi sono certificati.

    Un tal metodo parte quindi da risultati misurati come vantaggiosi. Per questo l'analisi delle immagini e' facile, si parte da pixel informatici quadrati.

    Naturalmente la definizione e' approssimativa, ed esprime comunque i limiti di tale metodo: alle risorse misurabili.

    Il vantaggio e' che non e' necessario conoscere tutte le variabili dell'ipotesi che si vuole analizzare, ma solo quelle piu' rilevanti in quel momento.

    Mi scuso per la precedente definizione.

    ORIGINALE

    I deep neural network sono reti neurali deputati all'apprendimento da parte delle macchine.

    Un modo che hanno le macchine per imparare. Non si insegna cosa fare, si insegna alle macchine a capire cosa c'e', come funziona e cosa fare.

    Ottima segnalazione di Francesco Agati

    Dal MIT uno studio che la dice lunga.

    The Extraordinary Link Between Deep Neural Networks and the Nature of the Universe Nobody understands why deep neural networks are so good at solving complex ...

    Non hanno progettato un tracciamento dei ragionamenti effettuati dalla macchina. Non sanno come fa a imparare tanto bene.

    E' incredibilmente ingenuo.

    Ma visto che sono tanto intelligenti, perche' non gli chiedono perche' ? (non necessariamente ricorsione, ma mi prepararei a spegnere l'interruttore prima che si surriscaldi.)

    Cmq mi preoccupano gli esperti che dicono che sono macchine veramente intelligenti, ma non sanno perche'. Come misurano l'efficacia delle risposte, solo dai risultati e non dal metodo ?

    Il solito "il fine giustifica i mezzi" non finisce mai.

  • https://www.technologyreview.com/s/602344/the-extraordinary-link-between-deep-neural-networks-and-the-nature-of-the-universe/
  • -
  • spataro
  • spataro
  • dizionario,artifical intelligence,nlp,apprendimento
  • S
  • -
  • -
  • 0
  • Ilaw - Lavorare con internet
  • 2
  • 0
  • N
  • -
  • 2539
  • -
  • 0
  • -
  • -
  • -
  • -